Design of Adaptive Neuro- Fuzzy Precompensator for Enhancement of Power System Stability

전력계통의 안정도 향상을 위한 적응 뉴로-퍼지 전 보상기 설계

  • 정형환 (동아대 전기·전자·컴퓨터공학부) ;
  • 정문규 (동아대 대학원 전기공학과) ;
  • 이정필 (동아대 대학원 전기공학과) ;
  • 이준탁 (동아대 전기·전자·컴퓨터공학부)
  • Published : 2001.07.01

Abstract

In this paper, we design the Adaptive Neuro-Fuzzy Precompensator(ANFP) for the suppression of low-frequency oscillation and the improvement of system stability. Here, ANFP is designed to compensate the conventional Power System Stabilizer(PSS). This design technique has the structural merit that is easily implemented by adding ANFP to an existing PSS. Firstly, the Fuzzy Precompensator with Loaming ability is constructed and is directly learned from the input and output data of the generating unit. Because the ANFP has the property of learning, fuzzy rules and membership functions of the compensator can be automatically tuned by teaming algorithm Loaming is based on the minimization of the ems evaluated by comparing the output of the ANFP and a desired controller. Case studies show the 7posed schema can be provided the good damping of the power system over the wide range of operating conditions and improved dynamic performance of the system.

본 논문에서는 전력계통의 저주파 진동 억제와 안정도 향상을 위해 적응 뉴로-퍼지 전 보상기(Adaptive Neuro-Fuzzy Precompensator, ANFP)를 설계하였다. 여기서 ANFP는 종래의 전력계통 안정화 장치(Power System Stabilizer, PSS)를 보상하도록 설계되며, 이 설계기법은 기존의 PSS 최적 파라미터를 구하는 방식과는 달리 현재 사용중인 PSS 파라미터를 고정시켜놓고, ANFP만을 추가하는 구조적인 장점을 나타낸다. 먼저, 학습 능력을 가지는 퍼지 전 보상기가 구성되며, 이는 발전 유니트의 입출력 데이터로부터 학습된다. ANFP는 학습의 특성을 가지기 때문에 보상기의 퍼지규칙과 소속함수는 학습 알고리즘에 의해 자동으로 동조될 수 있다 학습은 ANFP와 목표 제어기(desired controller)의 출력을 비교하여 평가되는 오차를 최소화하도록 수행된다. 사례 연구 들에서 다양한 동작 조건들 상에서 전력계통의 우수한 제동을 제공할 수 있었으며, 시스템의 동특성을 향상시킬 수 있었다

Keywords

References

  1. IEEE Trans. on PAS v.94 no.5 Power System Stabilizer-Design using Root-Locus Method K.Bollinger
  2. IEEE Trans. on PAS v.100 no.5 Selection of Parameters of Stabilizers in Multimachine Power System R.J.Fleming;M.A.Mohan;K.Parvatisam
  3. IEEE Trans. on PAS v.3 no.3 Design of Self-Turing PID Power System Stabilizer of Multimachine Power System C.J.We;Y.Y.Hsu
  4. IEEE Trans. on Power System v.4 no.2 Applicatin of Power System Stabilizers for Enhanocement of Overall System Stability P.Kundur;M.Klein;G.J.Rogers;M.S.Zywno
  5. Fuzzy Sets and Systems v.39 Fuzzy Logic Control Scheme for On-Line Stabilization of Multi-machine Power System T.Hiyama;Y.Sameshima
  6. IEEE Trans. on Energy Conversion v.6 no.3 A Fuzzy Logic based Stabilizer for a Syndronous machine M.A..M.Hassan;O,P.Malik;G.S.Hope
  7. IEEE Trans. on Energy Conversion v.8 no.1 An Artificial Neural Network based Adatptive Power System Stabilizer Y.Zhang;G.P.Chen;O.P.Malik;G.S.Hope
  8. IEEE Trans. on Energy Conversion v.9 no.3 Application of an Inverse Input-output Mapped ANN as a Power System Stabilizer Y.Zhang;O.P.Malik;G.S.Hope;G.P.Chen
  9. Electrical Power & Energy Systems v.19 no.1 Applying H∞ Optimisation Method to Power System Stabiliser Design T.C.Yang
  10. Electric Power System Dynamics Y.N.Yu
  11. Power Generation, Opteration and Control A.J.Wood;B.J.Wollenberg
  12. Power System Dynamics,Stability and Control Kundur
  13. Power System Dynamics, Stability and Control K.R.Padiyar
  14. 전기학회논문지 v.48 no.6 유전 알고리즘을 이용한 전력시스템 안정화 장치의 최적 피라미터 선정 정형환;왕용필;정동일;정문규
  15. 전기학회논문지 v.49 no.3 유전알고리즘을 이용한 전력계통 안정화 장치의 강인한 H∞ 최적 튜닝 정형환;이준탁;이정필;한길만
  16. IEEE Trans. Syst. Cyber. v.23 no.3 ANFIS : Adapive-Network-Based Fuzzy Inference System J.S.R.Jang
  17. IEEE Proceedings v.83 no.3 Neuro-Fuzzy Modeling and Control J.S.R.Jang;C.T.Sun
  18. Fuzzy Logic Toolbox for Use with MATLAB N.Gulley;J.S.R.Jang
  19. 전기학회논문지 v.48 no.10 적응 퍼지-뉴럴 네트워크를 이용한 비선형 공정의 온-라인 모델링 오성권;박병준;박춘성
  20. IEEE Trans. on Control Systems v.2 no.4 Fuzzy Precompensated PID Controllers J.H.Kim;K.C.Kim;E.K.P.Chong
  21. IEEE proceedings Fuzzy Precompensated PI Controller for A Variable Capacity Heat Pump S.W.Lee;M.J.Jeong;B.I.Jang
  22. 전기학회논문지 v.49 no.2 유전 알고리즘을 이용한 전력계통의 부하주파수 제어를 위한 퍼지 전 보상 PID 제어기 설계 정형환;왕용필;이정필;정문규